随着遥感技术的发展,尤其是近年来高分辨率遥感影像的出现,使得我们能够获得极其丰富的关于地球表面的信息,从而扩大了人们对自然界观察的视野。与中、低分辨率的遥感影像相比,高分辨率遥感影像具有更加丰富的纹理信息和结构信息。就影像分类而言,若仍然使用传统的基于像元光谱信息的分类技术,将无法取得理想的分类效果,它除了存在不能充分利用影像信息、分类精度低、速度慢等局限性,还容易造成空间数据的大量冗余和资源的浪费。本文将面向对象的思想引入到高分辨率影像的分析技术中,这种方法是通过对影像进行分割从而生成同质的影像对象,然后分析影像对象的特征信息,最后运用模糊分类器实现分类。在对影像进行分割时,一般采用多尺度分割技术,在多尺度分割中,每个对象层都有其固定尺度值,多个对象层次可以体现出多种空间尺度的地物类别属性,在不同尺度对象层上提取不同属性的类别信息,由此解决了同一分辨率的影像数据识别所有空间属性有所差异类型的问题。影像分割与影像分类之间有着密切的联系,然而目前国内外还没有一个统一可靠的评价分割结果精度的方法。本文针对多尺度分割过程中的尺度选择问题,提出了一种基于尺度对比的最优分割尺度选择方法,通过分类精度来定量评价分割结果的好坏,从而确定不同类型对象的各自适宜空间尺度。在上述理论研究的基础上,本文利用高分辨率的快鸟影像对武汉市武昌区进行了面向对象的分类实验。实验过程中,应用了尺度对比法来进行分割尺度的选择。结果表明,尺度对比法是一种有效的最优分割尺度选择方法,利用面向对象的影像分类方法对高分辨率遥感影像进行信息提取时,所提取的地物与真实地物具有较高的形状和属性一致性,分类的精度更高,分类结果也更易于解译和理解。